BirdVision - Technik

BirdVision ist ein Kamerasystem mit mehreren hochleistungsfähigen Industriekameras, die mit Weitwinkelojektiven ausgestattet sind. Diese sind je nach Topografie zwischen 6 m und 30 m (Wald, Waldrand) am Turmfuß einer Windenergieanlage montiert. Schutzgehäuse schützen die Technik vor Umwelteinflüssen (Regen, Staub, Hitze, UV) und haben selbstreinigende Gläser.

Im Turm der Anlage befindet sich ein Hochleistungsbildverarbeitungsserver sowie mit Schnittstelle zur Windenergieanlage. Dieser verarbeitet die Signale des Kamerasystems um die Windenergieanlage herum, detektiert Vogelarten und sendet bei einem Gefahrenflug Stopp-Signale zur Windenergieanlage.

Das Besondere an BirdVision® ist jedoch nicht die Hardware, sondern die eigenentwickelte Software.

Hierfür wurden umfangreiche Tests mit unterschiedlichen Bildverarbeitungsalgorithmen durchgeführt. Bei einfachen Bewegungserkennung hat sich gezeigt, dass zu viele nichtfilterbare Störeinflüsse (Tropfen, Rotorblätter, Insekten, Flugzeuge,…) zu zahlreichen Falschdetektionen führen. Im nachfolgenden Bild ist eine 3 Minuten Aufnahme dargestellt. Ein roter Punkt entspricht dabei einer Bewegung. Schnell war den Entwicklern klar, dass durch einfache Techniken das Ziel einer perfekten Vogeldetektion in Verbindung mit möglichst wenig Fehlalarmen so nicht erreicht werden kann.

1. Schritt – Suche des Vogels mit einem Deep-Learning-Netzwerk

Daher wurde in die Kiste der künstlichen Intelligenz gegriffen und ein spezielles Deep-Learning-Netzwerk entwickelt. Dieses Netzwerk wurde mit zahlreichen Bildern von Vogelarten (Milane, Bussarde, Falken) und Nicht-Vogelbildern (Wanzen, Flugzeuge, Hubschrauber, Insekten,…) gefüttert und hat daran gelernt, wie Vögel aus unterschiedlichen Entfernungen und Anflugrichtungen auszusehen haben.

Das Deep-Learning-Netzwerk sucht dabei im ersten Schritt nach Vögeln auf den Einzelbildern der Kamera und lokalisiert diese.

2. Schritt – Verfolgung des Vogels mit einem intelligenten Tracking

Im zweiten Schritt wird der gefundene Vogel in seiner Flugrichtung verfolgt. Anhand der Bewegungen des Objektes und der dauerhaften Rückkopplung mit dem Deep-Learning-Netzwerk wird dabei ermittelt, ob es sich tatsächlich um einen Vogel oder um eine fehlerhafte Detektion handelt. Mit dem intelligenten Tracking kann darüber hinaus ermittelt werden, ob es sich um einen Gefahrenflug handelt.

3. Schritt – Entfernungsmessung durch Stereobetrieb

Derzeit befindet sich der Stereobetrieb von zwei Kameras in der Entwicklung. Durch den Blickwinkel und Laufzeitunterschied der Kamerasignale bzw. Vogeldetektionen soll dabei die exakte Entfernung des Vogels zur Windenergieanlage ermittelt werden. Gleichzeitig soll die Darstellung von Geokoordinaten der Flüge erfolgen. Mit dieser Entwicklung können nicht nur verbleibende Fehlauslösungen nahezu vollständig reduziert werden, viel mehr kann dabei der exakte Flugweg und die Geschwindigkeit des Vogels ermittelt werden, um dann individuelle Gefahrenabschaltungen der Windenergieanlage zu ermöglichen.

4. Schritt – Arterkennung durch Klassifikation

Ebenfalls in Entwicklung befindet sich derzeit eine Arterkennung durch Klassifikation. Durch Form, Farbe und auffällige Merkmale des Vogels soll BirdVision® automatisch anhand eines zweiten, separaten Deep-Learning-Netzwerk Gattungen oder Arten zielgerichtet erkennen. Beispielsweise könnte so zielgerichtet nur für bestimmte windkraftempfindliche Vogelarten abgeschaltet werden oder ein sinnvolles artspezifisches Monitoring stattfinden.

 

Ziel der vier Verfahrensschritte ist es, Windenergieanlagen nur bei tatsächlicher Gefahr mit möglichst wenigen Fehlauslösungen rechtzeitig abzuschalten und im Jahr 2021 marktfähige Systeme etablieren zu können.